IEEE Paper Template in A4 (V1) - E

ANALISA PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN
PEMILIHAN KONSENTRASI MINAT TUGAS AKHIR
MENGGUNAKAN SIMPLE ADDITIVE WEIGHTING
DI PROGRAM STUDI TEKNIK SIPIL UNSRAT
Fanno Hizkia Tulangow(1), Ir. Hans F. Wowor, M.Kom(2), Yaulie Deo Y. Rindengan, ST., M.Sc., MM(3)
[email protected](1), [email protected](2), [email protected](3)
Fakultas Teknik, Universitas Sam Ratulangi Manado-95115
Abstrak
Kemapuan akademik mahasiswa yang berbeda, membuat ketertarikan mahasiswa tersebut terhadap bidang atau
minat yang harus dipilihnya berbeda-beda. Dalam pemilihan minat tersebut dibutuhkan kriteria-kriteria penilaian
untuk mendapatkan alternatif pilihan minat terbaik. Di program studi Teknik Sipil UNSRAT, terjadi beberapa
masalah dalam penentuan minat tugas akhir seperti penilaian yang kurang objektif dari pihak program studi
sehingga ada mahasiswa yang mendapat konsentrasi minat yang kurang tepat dan tidak sesuai dengan
kemampuan akademiknya. Dibutuhkan suatu sistem pendukung keputusan pemilihan konsentrasi minat tugas
akhir menggunakan SAW (Simple Additive Weighting). Metode ini digunakan agar dapat menentukan alternatif
minat tugas akhir terbaik dengan cara menentukan nilai bobot kriteria dari setiap alternatif yang ada berdasarkan
hasil wawancara dan kuisioner, kemudian dilakukan normalisasi matriks untuk mendapatkan nilai yang akan
diurutkan untuk membantu program studi Teknik Sipil UNSRAT dalam penentuan konsentrasi minat tugas akhir
terbaik dari mahasiswanya.
Kata kunci : Sistem Pendukung Keputusan, SAW, Nilai Bobot.
1. PENDAHULUAN
1.1. Latar Belakang Masalah
Di perguruan tinggi negeri, sesuai dengan
tujuan pendidikan tinggi dalam peraturan pemerintah
nomor 60 tahun 1999 harus menyiapkan peserta
didik menjadi anggota masyarakat yang memiliki
kemampuan akademik dan professional. Dalam hal
ini, perguruan tinggi harus benar-benar membuat
seorang mahasiswa menguasai bidang ilmu yang
didalaminya. Oleh karena itu, penyusunan kurikulum
disetiap program studi umumnya menentukan
beberapa bidang peminatan seperti halnya yang ada
di program studi Teknik Sipil Fakultas Teknik
UNSRAT.
Didasari bahwa kemampuan akademik
setiap mahasiswa yang berbeda, membuat
ketertarikan mahasiswa tersebut terhadap bidang
atau minat yang harus dipilihnya pun berbeda-beda.
Dalam pemilihan minat tersebut, dibutuhkan kriteriakriteria untuk menentukan seorang mahasiswa
memilih bidang minat yang tepat dan sesuai dengan
kemampuan akademiknya.
Dalam prakteknya didapati bahwa masih
terjadi beberapa masalah antara lain seperti penilaian
yang kurang objektif dari pihak program studi
sehingga ada mahasiswa yang mendapat konsentrasi
minat kurang tepat dan tidak sesuai dengan
kemampuan akademiknya. Pemilihan konsentrasi
minat juga tidak transparan dan terkesan sepihak dari
program studi. Kondisi sejauh ini jelas akan
mempengaruhi
motivasi
mahasiswa
dalam
menyelesaikan studinya.
Untuk
mengatasi
masalah
tersebut,
dibutuhkan sebuah sistem berbasis komputer yang
dapat menentukan pemilihan konsentrasi minat tugas
akhir dari mahasiswa berdasarkan kriteria-kriteria
yang dapat menghasilkan pilihan konsentrasi minat
yang tepat dan terbaik untuk mahasiswa maupun dari
pihak program studi.
Sistem
Pendukung
Keputusan
menggunakan metode Simple Additive Weighting
dapat menjadi solusi yang cukup efektif dalam
mengurangi permasalahan menyangkut penentuan
minat di program studi Teknik Sipil UNSRAT
sehingga dapat membuat mahasiswa mendapat solusi
alternatif yaitu minat yang tepat sesuai dengan
kemampuan akademiknya.
1.2. Perumusan Masalah
Bagaimana menggunakan metode Simple
Additive Weighting dalam sistem pendukung
keputusan pemilihan minat tugas akhir mahasiswa di
program studi Teknik Sipil UNSRAT?
2. Batasan Masalah
1.
2.
Kriteria penentuan pilihan minat hanya terdiri
dari 4 kriteria yaitu nilai matakuliah, indeks
prestasi kumulatif, lama studi dan pilihan
minat mahasiswa itu sendiri.
Pembangunan sistem perangkat lunak
menggunakan bahasa pemrograman PHP,
HTML,CSS,
JavaScript
dan
database
MySQL.
Min xij
i
benefit
cost
=
nilai terkecil dari setiap kriteria
=
=
jika nilai terbesar adalah terbaik
jika nilai terkecil adalah terbaik
Dimana rij adalah rating kinerja ternormalisasi dari
alternatif Ai pada atribut Cj; i=1,2,…,m dan
j=1,2,…,n. Nilai preferensi untuk setiap alternatif
(Vi) diberikan sebagai berikut:
3. Tujuan Penelitian
Membuat aplikasi sistem pendukung
keputusan yang mampu membantu pihak program
studi Teknik Sipil UNSRAT dalam menentukan
minat dari setiap mahasiswanya.
2. LANDASAN TEORI
Keterangan:
Vi
= rangkaian untuk setiap alternatif
wj
= nilai bobot dari setiap kriteria
rij
= nilai rating kinerja ternormalisasi
Nilai Vi yang lebih besar mengidentifikasi bahwa
alternatif Ai lebih terpilih.
2.1. Sistem Pendukung Keputusan
Menurut Mann dan Watson (1984) dalam
Nursyamsiah, dkk (2013) Sistem Pendukung
Keputusan adalah sistem yang interaktif, membantu
pengambilan keputusan melalui penggunaan data
dan model-model keputusan untuk memecahkan
masalah-masalah yang sifatnya semi terstuktur dan
tidak terstruktur.
2.2. Simple Additive Weighting
Menurut Tzeng dan Huang (2009),
Churchman dan Ackoff (1954) adalah yang pertama
kali menggunakan metode Simple Additive
Weighting (SAW) untuk mengatasi portofolio
masalah seleksi. Metode SAW adalah mungkin yang
paling dikenal dan banyak digunakan metode untuk
Multiple Attribute Decision Making MADM. Karena
kesederhanaannya, SAW adalah metode yang paling
populer dalam permasalahan MADM.
Menurut Kusumadewi (2006) dalam
Oktafianto, dkk (2013) Metode SAW membutuhkan
proses normalisasi matriks keputusan (X) ke suatu
skala yang dapat diperbandingkan dengan semua
rating alternatif yang ada.
Jika j adalah atibut keuntungan (benefit)
2.3. Agile Unified Process
Agile Unified Process (AUP) atau Proses
Terpadu Secara Cepat mengadopsi falsafah “serial
dalam besar” dan “berulang dalam kecil” untuk
membangun sistem berbasis computer. Dengan
mengadopsi kegiatan PU klasik bertahap : awal,
elaborasi,
konstruksi,
dan
transisi,
AUP
menyediakan suatu susunan yang bersifat serial
(yaitu, urutan linear dari kegiatan rekayasa perangkat
lunak) yang memungkinkan sebuah tim perangkat
lunak. Namun, dalam setiap kegiatan, tim berulang
untuk mencapai kecepatan dan untuk memberikan
paningkatan perangkat lunak yang berarti kepada
pengguna akhir secepat mungkin. (Roger Pressman,
2010)
3. METODOLOGI PENELITIAN
3.1. Objek Penelitian
Penelitian ini akan dilaksanakan di
Universitas Sam Ratulangi Fakultas Teknik, Program
Studi Teknik Sipil dimulai pada bulan Oktober 2013.
3.1. Metode dan Analisis
Dalam penelitian ini, penulis menggunakan
metodologi yang mengadopsi metodologi Agile
Unified Process (AUP) versi PAUS (Pusilkom Agile
Unified procesS).
Jika j adalah atribut biaya (cost)
Keterangan:
rij
=
xij
=
Max xij
i
=
nilai rating kinerja ternormalisasi
nilai atribut yang dumiliki dari
setiap kriteria
nilai terbesar dari setiap kriteria
Gambar 1. Tahapan Metodologi Proses Perancangan
Perangkat Lunak
Garis
besar
tahapan
analisa
dan
perancangan yang dilakukan adalah sebagai berikut :
persyaratan Non
sebagai berikut :
3.1.1.
a.1.
Inception
Pada tahapan ini penulis melakukan
pengumpulan data untuk data analisis dan proses
bisnis yang diperlukan dalam penelitian ini melalui
wawancara secara langsung dan kuisioner. Dari
pengumpulan data tersebut diperoleh software
project plan dan requirement system yang berisi
spesifikasi kebutuhan perangkat lunak atau sistem
yang dibuat sebagai bahan acuan antara pengembang
dan pengguna. Pada bagian ini mendefinisikan
kebutuhan perangkat lunak yang meliputi antarmuka,
performansi dan atribut serta mendefinisikan fungsi
perangkat lunak. Pada bagian ini juga disertakan
batasan perancangan perangkat lunak, sehingga
mampu mempermudah pengembangan perangkat
lunak untuk ketahap selanjutnya.
a. Problem Statement
Berikut ini merupakan tabel pernyataan
masalah, visibilitas, keuntungan, peringkat dan solusi
yang diajukan yang dapat dilihat pada tabel Matriks
problem statement di bawah ini :
Tabel 1. Matriks Problem Statement
Brief Statements
of Problem,
Opportunity, or
Directive
Visibility
Annual
Benefits
-
Rank
Sistem pendukung
keputusan
pemilihan minat
Jurusan
Teknik
Sipil
UNSRAT
kurang objektif
High
Keputusan
pemilihan minat
memakan waktu
cukup lama
High
Keakuratan
penilaian
tidak
terjamin
High
-
2
Merancang
sistem baru
Belum ada sistem
yang digunakan
dalam penentuan
minat
High
-
3
Merancang
sistem baru
-
1
Proposed
solution
2
Merancang
sistem baru
Merancang
sistem baru
tidak
High
-
3
Menambah
fitur sistem
a. Spesifikasi Sistem
Spesifikasi sistem terdiri dari
persyaratan yaitu, persyaratan fungsional
dua
dan
dengan
deskripsi
Persyaratan Fungsional
Persyaratan fungsional dari sistem yang
dirancang adalah sebagai berikut :
1) Sistem harus menyediakan fasilitas proses
pemilihan konsentrasi minat mahasiswa dari
setiap kriteria menggunakan metode SAW
2) Sistem harus dapat mengelola data input
dan data hasil proses kedalam database.
3) Sistem harus dapat menampilkan hasil
pemilihan minat dalam on screen maupun
hardcopy.
a.2.
Persyaratan Non Fungsional
Persyaratan non fungsional dari sistem yang
dirancang adalah sebagai berikut :
1) Sistem mempunyai lima konsentrasi minat
yaitu Teknik Struktur dan Material,
Geoteknik, Teknik Transportasi, Rekayasa
Sumberdaya Air dan Manajemen Rekayasa
Konstruksi.
2) Kriteria yang digunakan dalam proses
pemilihan konsentrasi minat yaitu nilai
matakuliah yang berkaitan, Indeks Prestasi
Kumulatif, Tahun angkatan dan pilihan
mahasiswa.
3) Syarat pemilihan
mahasiswa yaitu :
a)
c)
konsentrasi
minat
Mahasiswa harus telah menyelesaikan
semua matakuliah kecuali Tugas Akhir.
b) Setiap konsentrasi
memiliki
jumlah
seimbang.
minat diusahakan
mahasiswa
yang
Jumlah plihan konsentrasi minat yang dapat
diusulkan
mahasiswa
maksimal
2
konsentrasi minat.
d) Hasil pemilihan keputusan ditentukan oleh
kepala jurusan dan kepala program studi
4). Sistem menggunakan bahasa Indonesia baik
konten maupun nama fiturnya.
3.1.1.
Penilaian
transparan
Fungsional
Elaboration
Tahapan ini penulis melakukan perhitungan
data awal, pemodelan sistem dan validasi arsitektur
sistem. Berikut merupakan bahasan yang dilakukan
pada tahap ini.
a. Perhitungan Hasil Kuisioner
Kuisioner diberikan mahasiswa yang aktif kuliah
rata-rata per angkatan yaitu kurang lebih 50 orang
(Populasi). Dengan tingakat kesalahan 5%, maka
jumlah sampel yang didapatkan menggunakan
formula (1) adalah :
N = 50 / ((50 x (0.05)2) +1 ) = 44.44 (dibulatkan
menjadi 44 orang)
Dari hasil dari perhitungan kuisioner dapat dilihat
pada tabel berikut :
Untuk mendapatkan tingkat kesulitan di
setiap minat dan lama studi, nilai dari kuisioner
dijumlahkan dan dibagi dengan jumlah sampel. Dan
untuk nilai matakuliah terbaik sama dengan atau
tidak sama dengan pilihan minat mahasiswanya,
dihitung prosentase dengan cara membagi jumlah
yang diperoleh dengan jumlah sampel lalu dikalikan
100. Maka nilai perolehan kuisioner dapat dilihat
pada tabel 2.
Tabel 2. Nilai Perolehan Kuisioner
Tingkat Kesulitan Konsentrasi Minat
S&M
Geo
TT
SDA
7.33
6.77
5.50
5.77
Result
Lama
MRK Studi N = M N ≠ M
4.44
4.5
Tahun
50%
Keterangan:
µ
ST = Sangat Tinggi
T = Tinggi
1
SR
R
C
T
ST
0.2
0.4
0.6
0.8
1
C = Cukup
R = Rendah
SR = Sangat Rendah
0
Gambar 2 Bilangan Fuzzy untuk Nilai Matakuliah
Nilai matakuliah sebelum dirata-ratakan akan
dikalikan dengan bobot kategori dari nilai
matakuliah. Kategori dari nilai matakuliah diberi
bobot sebagai berikut :
Tabel 4 Kategori dari Nilai Matakuliah
Kategori Matakuliah
Bilangan Fuzzy
Nilai Matakuliah Wajib
Berkaitan dengan Minat
Sangat Tinggi (ST)
Nilai Matakuliah Pilihan
Berkaitan dengan Minat
Tinggi (T)
Nilai Matakuliah Umum
(pada matakuliah pilihan)
Cukup (C)
50%
b. Perhitungan SAW
1). Penentuan Nilai Kriteria (C)
Nilai Matakuliah (C1)
Nilai matakuliah (C1) didapatkan dengan
cara menghitung rata-rata dari nilai matakuliah wajib
yang berhubungan disetiap minatnya dan rata-rata
matakuliah pilihan lalu dibagi dengan 2.
Untuk nilai dari setiap matakuliah diberi
bobot seperti pada tabel 3.
Tabel 3 Bobot Nilai Setiap Matakuliah
Nilai Matakuliah (C1)
Bilangan Fuzzy
A
Sangat Tinggi (ST)
B/B+
Tinggi (T)
C/C+
Cukup (C)
D
Rendah (R)
E
Sangat Rendah (SR)
Bilangan-bilangan fuzzy diatas dikonversikan ke
bilangan crips, dapat dilihat pada gambar 2
Berikut merupakan proses perhitungan nilai kriteria
C1 :
W1=
W2=
W3=
W4=
W5=
Jika matakuliah wajib berhubungan dengan minat
BW = 1
Jika matakuliah wajib tidak berhubungan dengan
minat BW = 0.2
(nilai matakuliah pilihan 1 * BP) = P1
(nilai matakuliah pilihan 2 * BP) = P2
(nilai matakuliah pilihan 3 * BP) = P3
Keterangan:
(nilai matakuliah pilihan 4 * BP) = P4
ST = Sangat Tinggi
(nilai matakuliah pilihan 5 * BP) = P5
T = Tinggi
Jika matakuliah pilihan berhubungan dengan minat
BP = 0.8
C = Cukup
Jika matakuliah pilihan tidak berhubungan dengan
minat BP = 0.2
µ
1
SR
R
C
T
ST
0.2
0.4
0.6
0.8
1
R = Rendah
SR = Sangat Rendah
0
Gambar 3 Bilangan Fuzzy untuk IPK
C1=
Berikut merupakan proses perhitungan nilai kriteria
C2 :
C2 = bobot range IPK * BI
Indeks Prestasi Kumulatif (C2)
Untuk Struktur dan Material
Indeks
Prestasi
Kumulatif
(IPK)
mahasiswa, sesuai dengan hasil kuisioner tingkat
kesulitan, diberi bobot kriteria C2 sebagai berikut :
Jika IPK >= 3.5 maka BI = 1
Tabel 5 Kriteria Bobot IPK untuk Setiap Minat
Minat
Bilangan Fuzzy
Jika IPK >= 3.0 maka BI = 0.8
Jika IPK >= 2.5 maka BI = 0.6
Jika IPK >= 2.0 maka BI = 0.4
Jika IPK < 2.0 maka BI = 0.2
Struktur dan Material
Sangat Tinggi (ST)
Geoteknik / Mekanika Tanah
Sangat Tinggi (ST)
Untuk Geoteknik
Jika IPK >= 3.5 maka BI = 1
Jika IPK >= 3.0 maka BI = 0.8
Teknik Transportasi
Tinggi (T)
Jika IPK >= 2.5 maka BI = 0.6
Teknik Sumberdaya Air
Tinggi (T)
Jika IPK >= 2.0 maka BI = 0.4
Jika IPK < 2.0 maka BI = 0.2
Manajemen Rekayasa
Konstruksi
Cukup (C)
Untuk Transportasi
Jika IPK >= 3.5 maka BI = 1
Untuk nilai dari IPK diberi bobot seperti
pada tabel 6.
Jika IPK >= 3.0 maka BI = 1
Jika IPK >= 2.5 maka BI = 0.8
Tabel 6 Bobot Nilai Setiap Range IPK
Jika IPK >= 2.0 maka BI = 0.6
Jika IPK < 2.0 maka BI = 0.4
IPK (C2)
Bilangan Fuzzy
3.50 - 4.00
Sangat Tinggi (ST)
3.00 – 3.49
Tinggi (T)
Jika IPK >= 2.5 maka BI = 0.8
2.50 – 2.99
Cukup (C)
Jika IPK >= 2.0 maka BI = 0.6
2.00 – 2.49
Rendah (R)
1.99 - 0
Sangat Rendah (SR)
Untuk Sumber Daya Air
Jika IPK >= 3.5 maka BI = 1
Jika IPK >= 3.0 maka BI = 1
Jika IPK < 2.0 maka BI = 0.4
Untuk Manajemen Rekayasa Konstruksi
Jika IPK >= 3.5 maka BI = 1
Jika IPK >= 3.0 maka BI = 1
Bilangan-bilangan fuzzy diatas dikonversikan ke
bilangan crips, dapat dilihat pada gambar 3.
Jika IPK >= 2.5 maka BI = 1
Jika IPK >= 2.0 maka BI = 0.8
Jika IPK < 2.0 maka BI = 0.6
Pertama
Konsentrasi Minat Pilihan
Kedua
Lama Studi (C3)
Faktor kriteria angkatan mahasiswa, diberi
nilai dengan cara menghitung lama studi dan diberi
bobot kriteria C3 dapat dilihat pada tabel :
Cukup (C)
Konsentrasi Minat Yang Tak Sangat Rendah (SR)
Dipilih
Tabel 7 Bobot Lama Studi
Tabel 9. Bobot Akhir Pilihan Minat Mahasiswa
Lama Studi (C3)
Bilangan Fuzzy
> 6 Tahun
Sangat Tinggi (ST)
Bobot Kriteria
Bilangan Fuzzy
±6 Tahun
Tinggi (T)
Jika Lama Studi (C3) =
Sangat Tinggi
Cukup (C)
±5 Tahun
Cukup (C)
Jika Lama Studi (C3) =
Tinggi
Rendah (R)
Jika Lama Studi (C3) =
Cukup
Sangat Rendah (SR)
±4 Tahun
Tinggi (T)
< 4 Tahun
Sangat Tinggi (ST)
Bilangan-bilangan fuzzy diatas dikonversikan ke
bilangan crips, dapat dilihat pada gambar 4
Keterangan:
ST = Sangat Tinggi
T = Tinggi
Keterangan:
µ
SR
1
R
C
T
ST
ST = Sangat Tinggi
T = Tinggi
C = Cukup
µ
1
SR
R
C
T
ST
0.2
0.4
0.6
0.8
1
C = Cukup
R = Rendah
SR = Sangat Rendah
Bilangan-bilangan fuzzy diatas dikonversikan ke
bilangan crips, dapat dilihat pada gambar 5.
R = Rendah
0
0.2
0.4
0.6
0.8
1
Gambar 4 Bilangan Fuzzy untuk Lama Studi
Jika Lama Studi >6 Tahun maka C3 = 1
Jika Lama Studi ±6 Tahun maka C3 = 0.8
Jika Lama Studi ±5 Tahun maka C3 = 0.6
Jika Lama Studi ±4 Tahun maka C3 = 0.8
Jika Lama Studi >4 Tahun maka C3 = 1
SR = Sangat Rendah
0
Gambar 5 Bilangan Fuzzy untuk Pilihan Mahasiswa
Untuk Struktur dan Meterial
Jika plihan minat pertama = ‘Struktur dan Meterial’
maka C4 = 1
Untuk pilihan minat kedua = ‘Struktur dan Meterial’
maka C4 = 0.6
Untuk minat yang tidak C4 = 0.2
Pilihan Mahasiswa (C4)
Untuk Geoteknik
Kriteria pilihan minat mahasiswa, diberi
bobot kriteria C4 dengan melihat besarnya bobot
angkatan (C3).
Jika plihan minat pertama = ‘Geoteknik’ maka C4 =
1
Tabel 8. Bobot Pilihan Minat Mahasiswa
Untuk pilihan minat kedua = ‘Geoteknik’ maka C4 =
0.6
Untuk minat yang tidak C4 = 0.2
Tingkat Pilihan Mahasiswa
(C4)
Konsentrasi Minat Pilihan
Bilangan Fuzzy
Sangat Tinggi (ST)
Untuk Transportasi
Jika plihan minat pertama = ‘Transportasi’ maka C4
=1
Untuk pilihan minat kedua = ‘Transportasi’ maka C4
= 0.6
X52=Nilai C2 pada Minat Manajemen Rekayasa
Konstruksi
Untuk minat yang tidak C4 = 0.2
X53=Nilai C3 pada Minat Manajemen Rekayasa
Konstruksi
Untuk Sumber Daya Air
Jika plihan minat pertama = ‘Sumber Daya Air’
maka C4 = 1
Untuk pilihan minat kedua = ‘Sumber Daya Air’
maka C4 = 0.6
Untuk minat yang tidak C4 = 0.2
Untuk Manajemen Rekayasa Konstruksi
Jika plihan minat pertama = ‘Manajemen Rekayasa
Konstruksi’ maka C4 = 1
X54=Nilai C4 pada Minat Manajemen Rekayasa
Konstruksi
Berikut ini merupakan matriks keputusan
berdasarkan perhitungan nilai dari setiap kriteria :
Tabel 10. Matriks Keputusan
Kriteria
Alternatif
C1
C2
C3
C4
A1
X11
X12
X13
X14
A2
X21
X22
X23
X24
A3
X31
X32
X33
X34
A4
X41
X42
X43
X44
A5
X51
X52
X53
X54
Untuk pilihan minat kedua = ‘Manajemen Rekayasa
Konstruksi’ maka C4 = 0.6
Untuk minat yang tidak C4 = 0.2
2). Normalisasi Matriks
Setelah nilai dari setiap kriteria (C)
didapatkan dari setiap alternatif minat (A), nilai
dimasukan ke dalam matriks keputusan (X). Nilai
dari matriks keputusan sebagai berikut :
X11=Nilai C1 pada Minat Struktur dan Material
X12=Nilai C2 pada Minat Struktur dan Material
Matriks keputusan (X) :
X13=Nilai C3 pada Minat Struktur dan Material
X14=Nilai C4 pada Minat Struktur dan Material
X21=Nilai C1 pada Minat Geoteknik
X=
X22=Nilai C2 pada Minat Geoteknik
X23=Nilai C3 pada Minat Geoteknik
X31=Nilai C1 pada Minat Transportasi
Untuk normalisasi matriks, matriks keputusan (X)
diubah menjadi matriks ternormalisasi (R)
berdasarkan atribut kriteria.
X32=Nilai C2 pada Minat Transportasi
Tabel 11 Atribut Kriteria
X24=Nilai C4 pada Minat Geoteknik
X33=Nilai C3 pada Minat Transportasi
X34=Nilai C4 pada Minat Transportasi
X41=Nilai C1 pada Minat Sumber Daya Air
Kriteria
Cost
Benefit
C1 Nilai matakuliah
√
C2 Indeks Prestasi Kumulatif
√
C3 Angkatan
√
C4 Minat Mahasiswa
√
X42=Nilai C2 pada Minat Sumber Daya Air
X43=Nilai C3 pada Minat Sumber Daya Air
X44=Nilai C4 pada Minat Sumber Daya Air
X51=Nilai C1 pada Minat Manajemen Rekayasa
Konstruksi
Karena semua kriteria merupakan atribut keuntungan
(benefit) untuk normalisasi matriks, perhitungan
menggunakan formula (2) untuk benefit yaitu
sebagai berikut :
r14 =
r24 =
r11 =
r34 =
r21 =
r44 =
r31 =
r54 =
r41 =
Matriks hasil normalisasi (R) :
r51 =
R=
r12 =
r22 =
r32 =
3). Perankingan
Dari kriteria C1, C2, C3 dan C4 akan diberi
bobot atau tingkat prioritas (W) seperti pada tabel
3.13
Tabel 12 Bobot Proiritas (W) Setiap Kriteria
r42 =
r52 =
r13 =
Kriteria
Bobot
Prioritas (W)
C1
Sangat
Tinggi(ST)
C2
Relatif (Sesuai
Minat dan IPK
masukan)
Nilai
1
Struktur
dan
Geoteknik = 1, 0.8,
0.6, 0.4, 0.2
r23 =
Transportasi
dan
SDA = 1, 1, 0.8,
0.6, 0.4
r33 =
Manajemen = 1, 1,
1, 0.8, 0.6
r43 =
C3
Rendah (R)
r53 =
C4
Relatif (Sesuai
Bobot Lama
Studi [C3])
0.4
Jika C3= 1 maka C4
= 0.6
Jika C3= 0.8 maka
C4 = 0.4
d. Arsitektur Sistem
Jika C3= 0.6 maka
C4 = 0.2
Untuk mendapatkan nilai perankingan (V),
dilakukan
perhitungan nilai
per alternatif
menggunakan formula (3) yaitu sebagai berikut:
V1 = (1)*(r11) + (Relatif)*(r12) + (0.4)*(r13) + (
Sesuai C3 )*(r14)
V2 = (1)*(r21) + (Relatif)*(r22) + (0.4)*(r23) + (
Sesuai C3)*(r24)
V3 = (1)*(r31) + (Relatif)*(r32) + (0.4)*(r33) + (Sesuai
C3)*(r34)
V4 = (1)*(r41) + (Relatif)*(r42) + (0.4)*(r43) + (
Sesuai C3)*(r44)
V5 = (1)*(r51) + (Relatif)*(r52) + (0.4)*(r53) + (
Sesuai C3)*(r54)
Berdasarkan hasil perhitungan, nilai V tertinggi
merupakan alternatif pilihan konsentrasi minat
terbaik.
Gambar 7. Arsitektur Sistem
4. HASIL DAN PEMBAHASAN
c. Pemodelan
Berdasarkan hasil wawancara langsung
dengan ketua jurusan Teknik Sipil dan Ketua
Program Studi S1 Teknik Sipil, didapatkan beberapa
kriteria baru dan bobot dari setiap kriteria dalam
penentuan konsentrasi minat di Teknik Sipil
UNSRAT. Setelah itu dilakukan pemodelan sistem
sesuai dengan fungsinya dengan membuat use case
yang menggambarkan hubungan antara aktor dan
sistem seperti pada gambar 6 berikut ini :
4.1. Interface Sistem
a. Halaman Login
Sistem diproteksi dengan menggunakan Username
dan Password
Gambar 8. Halaman Login
b. Halaman Menu Utama
Menu utama untuk pihak proram studi memilih fitur
yang ada dalam system.
Gambar 6. Use Case Diagram Kriteria Pemilihan
Minat Teknik Sipil UNSRAT
e. Halaman Cetak Data
Gambar 12. Halaman Cetak Data
Gambar 9. Halaman Menu Utama
c. Halaman Hasil Pemilihan Minat
Data hasil pemilihan minat mahasiswa akan
ditampilkan pada halaman Hasil Pemilihan
Konsentrasi Minat.
f. Halaman Logout
Gambar 13. Halaman Hasil Pemilihan Minat
5. PENUTUP
Gambar 10. Halaman Hasil Pemilihan Minat
d. Halaman pemrosesan Data
Data yang akan di input dimasukan kedalam
teksfield dan option pane untuk selanjutnya di proses
5.1. Kesimpulan
Berdasarkan
penelitian
yang
telah
dilakukan, maka dapat disimpulkan bahwa dengan
adanya sistem pendukung keputusan pemilihan
konsentrasi minat tugas akhir di Teknik Sipil
UNSRAT, pihak program studi Teknik Sipil akan
terbantu dalam menyelesaikan masalah yang ada
sebelumnya dengan memberikan penilaian secara
objektif, transparan dan hasil perhitungan sistem
terbukti sama dengan perhitungan pemilihan
konsentrasi minat tugas akhir mahasiswa secara
manual. Metode perhitungan Simple Additive
Weighting terbukti dapat membantu menguraikan
kekompleksitas setiap kriteria dan menyelesaikan
permasalahan pemilihan konsentrasi minat tugas
akhir dengan memproses inputan data yang berupa
nilai kriteria menjadi output yang merupakan
informasi hasil pemilihan minat tugas akhir
mahasiswa di program studi Teknik Sipil UNSRAT.
5.2.
Saran
1.
2.
Gambar 11. Halaman Pemrosesan Data
Perancangan sistem ini kedepan kiranya
dapat sampai pada tahap implementasi
karena dalam penelitian ini, hanya terbatas
pada tahap analisa dan perancangan sistem.
Sistem yang dirancang untuk kedepan
kiranya sistem lebih fleksibel karena sistem
perhitungan, bobot maupun kriteria yang
3.
digunakan dilokasi penelitian dapat berubah
sewaktu-waktu.
Metode pencarian alternatif solusi seperti
simple additive weighting ini lebih banyak
diimplementasikan agar penilaian lebih
obejektif dan transparan.
DAFTAR PUSTAKA
[1] Achmad Solichin. 2010. MySQL 5 Dari
Pemula Hingga Mahir. Jakarta: Achmatim.net
[2] Al Fatta, Hanif. 2007. Analisis dan
Perancangan
System
Informasi
untuk
keunggulan perusahaan dan organisasi kelas
dunia. Yogyakarta: Andi offset
[3] Betha Sidik. 2012. Pemrograman Web dengan
PHP
[4] Diyah Nursyamsyah, dkk. 2013. Analisis dan
Perancangan Sistem Pendukung Keputusan
Untuk Penentuan Jalur Kelompok Keahlian
Menggunakan
Model
Simple
Additive
Weighting (SAW). Mataram : Konfrensi
Nasional Sistem Informasi.
[5] Eko Indrajit. 2000.Manajemen dan Teknologi
Informasi. Aptikom
[6] Gwo-Hshiung Tzeng dan Jih-Jeng Huang.
2009. Multiple Attribute Decision Making
Methods and applications. Boca Raton: CRC
Press Taylor & Francis Group
[7] Kenneth C. Laudon, Jane Price Laudon. 2004.
Sistem Informasi Manajemen. Yogyakarta:
Penerbit Andi.
[8] Kusumadewi, Sri., Hartati, S., Harjoko, A., dan
Wardoyo, R .2006. Fuzzy Multi-Attribute
Decision Making (Fuzzy MADM). Yogyakarta :
Graha Ilmu.
[9] Martin Fowler. 2003. UML Distilled: A Brief
Guide To The Standard Object Modeling
Language (3rd Edition). Addison-Wesley
Professional
[10] Oktavianto, dkk. 2013. Penentuan Sekolah
Terbaik Tingkat SMA Se Kabupaten Pringsewu
Dengan Metode Fuzzy SAW (Simple Additive
Weighting). Mataram : Konfrensi Nasional
Sistem Informasi.
[11] Roger S. Pressman, Ph. D. 2010. Rekayasa
Perangkat Lunak Yogyakarta: Penerbit ANDI.
[12] Simarmata Janner. 2009. Rekayasa Web.
Yogyakarta : Andi
[13] Syaifullah. 2010. Pengenalan Metode AHP
(Analytical Hierarchy Process)
[14] Wahyono, T. 2006. Etika Komputer dan
Tanggung Jawab Profesional di Bidang TI.
Yogyakarta: Penerbit ANDI.